遍历 <Iterable> 并以自定义数据类型填充 Vector

Question

这是我的第一篇文章，我需要一点帮助，在 Scala 编程任务中，这不是那么简单（至少对我来说）。

我在 2.10 版中使用 scala，在 Spark 3.0.0-preview2 版本下。

从 mysql 数据库导入，我的数据属于这种类型：

95,118.37,118.47,111.725,114.3,1049181,AMP,2020-04-14
96,116.88,117.84,113.11,114.92,827085,AMP,2020-04-13
97,113.64,124.61,113.64,120.47,1608575,AMP,2020-04-09
98,104.48,112.48,102.28,111.69,996230,AMP,2020-04-08
99,109.17,112.23,102.41,103.48,1302910,AMP,2020-04-07
100,42.25,42.25,41.73,41.82,639964,G,2020-08-26
101,41.98,42.15,41.76,42.12,501219,G,2020-08-25
102,41.52,42.015,41.45,41.9,479076,G,2020-08-24
103,41.27,41.46,40.99,41.16,752730,G,2020-08-21
104,41.74,41.965,41.25,41.3,596435,G,2020-08-20
105,42.14,42.21,41.87,41.94,422493,G,2020-08-19

然后，通过映射过程，这些数据被重新格式化为这种类型的 Tuple2：

(AMP,(1,156.77,156.915,155.03,155.74,527938,AMP,2020-08-26))
(AMP,(2,159.48,159.88,156.86,156.99,535905,AMP,2020-08-25))
(AMP,(3,155.38,157.75,155.33,157.72,758272,AMP,2020-08-24))
(AMP,(4,155.24,156.79,153.92,154.51,653496,AMP,2020-08-21))
(AMP,(5,155.24,157.39,154.27,155.14,516138,AMP,2020-08-20))
(AMP,(6,156.65,160.06,156.57,156.85,577637,AMP,2020-08-19))
(AMP,(7,158.05,158.35,156.34,156.5,544429,AMP,2020-08-18))
(AMP,(8,159.69,159.82,157.76,157.83,437624,AMP,2020-08-17))

其中，每条记录都属于以下类型：

org.apache.spark.rdd.RDD[(String, (Int, Double, Double, Double, Double, Int, String, String))]

然后，我需要对所有的键进行分组，并编写了一个“groupByKey”程序：

val SA = Simboli.groupByKey

产生一个变量：

org.apache.spark.rdd.RDD[(String, Iterable[(Int, Double, Double, Double, Double, Int, String, String)])]

我现在的问题是：我可以创建一个“向量”或“序列”类型的新变量，将这种奇怪类型的每条记录插入向量列表中吗？

例如，一个向量，其中每个项目都是新的：

RDD[(String, Iterable[(Int,   .....

我发现的唯一方法是这样转换这种变量：

1. 只取第一个“组”

val SAG : Array[(String, Iterable[(Int, Double, 
                                   Double, Double, 
                                   Double, Int, 
                                   String, String)])] = SA.take(1);

提取“Iterable”部分：

val SAGITB : Array[Iterable[(Int, Double, 
                             Double, Double, 
                             Double, Int, 
                             String, String)]] = SAG.map(item => item._2);

在“Iterator”中转换“Iterable”：

val SAGITT : Array[Iterator[(Int, Double, 
                             Double, Double, 
                             Double, Int, 
                             String, String)]] = SAGITB.map(item => item.iterator);

提取值：

val SARDD : Array[(Int, Double, 
                   Double, Double, 
                   Double, Int, 
                   String, String)] = SAGITT.map(item => item.next);

最后，我尝试在 for 循环中为每个项目填充向量或序列，但我做不到。这是我最后一次尝试：

val SV3 : Vector[Array[(Int, Double, Double, 
                        Double, Double, Int, 
                        String, String)]] = Vector.empty; 

for (it <- 0 to 20){

  println("Riga numero: " + it);

  SV3 :+ SAGITT.map(item => item.next);

} 

最后我的问题是：如何使用“可迭代”或“迭代器”类型的数据填充向量或序列，或者，如何从可迭代的 RDD 中提取所有数据、转换和填充这些数据是一个简单的向量吗？

非常感谢！！

Answer 1

这相当简单。

首先您需要将嵌套的Iterable 转换回Array：

val SV3A : Array[Array[(Int, Double, Double,
  Double, Double, Int,
  String, String)]] = SAGITB.map(_.toArray)

然后您可以像这样转换为Vector，使用:_* 将Array 扩展为构造函数的单独参数：

val SV3 : Vector[Array[(Int, Double, Double,
  Double, Double, Int,
  String, String)]] = Vector(SV3A:_*)

或者您可以像这样将两者合二为一：

val SV3 = Vector(SAGITB.map(_.toArray):_*)

或者更简单

val SV3 = SAGITB.map(_.toArray).toVector